观远BI教你如何轻松玩转数据可视化
随着时代的发展,会有越来越多的数据积累。但是,这些密集的数据可读性较差,没有意义,而数据可视化更直观和有意义,可以帮助数据更容易被人们理解和接受。
因此,使用适当的图表来可视化数据非常重要。本文总结了图表的特点,并总结了一张思维导图,帮助您更快地选择显示数据特征的图表类型。
接下来,我将依次介绍常见的图表类型,分析它们的适用场景和局限性,以帮助大家更直观地传达通过图表表达的信息。
1. 直方图
显示多个类别的数据变化以及同一类别中变量之间的比较。
§ 适用:比较分类数据。
§ 限制:太多的类别不能显示数据特征。
类似图表:
1. 堆积柱形图。比较同一类别的变量之间的差异和不同类别的变量之和。
2. % 堆积柱形图。拟合以显示同一类别中每个变量的比例。
2. 条形图
类似于条形图,只是两个轴是相反的。
§ 适用:类别名称过长,每个类别名称会有大量空白。
§ 限制:类别过多无法显示数据特征。
类似图表:
1. 堆积条形图。比较同一类别的变量之间的差异和不同类别的变量之和。
2. 百分比堆积条形图。拟合以显示同一类别中每个变量的比例。
3. 双向直方图。比较同一类别的正负数值差异。
3. 折线图
显示数据随时间的趋势或序数类别的波动。
§ 适用:有序类别,如时间。
§ 限制:无序类别不能显示数据特征。
类似图表:
1. 面积图。以面积显示值的大小。展示次数随时间变化的趋势。
2. 堆积面积图。同一类别的变量之间的差异和不同类别的变量之和。
3. 百分比堆积面积图。比较同一类别中每个变量的比例差异。
4. 条形图
结合柱形图和折线图在同一个图表上呈现数据。
§ 适用:同时显示两个项目数据的特征。
§ 限制:直方图和折线图都存在缺陷。
5. 散点图
用于发现变量之间的关系。
§ 适用:具有大量数据点,结果更准确,如回归分析。
§ 局限:数据量少时,会比较混乱。
类似图表:
§ 气泡图。用气泡代替散点图的数值点,面积的大小代表数值的大小。